博文
高质量约稿集锦 | 涵盖掌纹及掌静脉识别、手势识别、自监督学习.......
||
新兴技术 | 经典CNN对2D&3D掌纹及掌静脉识别的性能评估
掌纹识别(palmprint recognition)及掌静脉识别(palm vein recognition)作为两种新兴的生物特征识别技术已经引起广泛关注。最近几年，深度学习已经成为人工智能领域最为重要的技术，在许多领域取得了突破。但是，基于深度学习的2D掌纹识别、3D掌纹识别和掌静脉识别的相关研究尚处于起步阶段。合肥工业大学贾伟副教授团队对于经典的深度卷积神经网络(Convolutional Neural Networks, CNN)的发展历史进行了简要总结，并评估了17个经典CNNs在2D掌纹识别、3D掌纹识别及掌静脉识别中的性能，获得了多个有意义的结论。
全文下载：
A Performance Evaluation of Classic Convolutional Neural Networks for 2D and 3D Palmprint and Palm Vein Recognition
Wei Jia, Jian Gao, Wei Xia, Yang Zhao, Hai Min, Jing-Ting Lu
https://link.springer.com/article/10.1007/s11633-020-1257-9
引用格式：
Wei Jia, Jian Gao, Wei Xia, Yang Zhao, Hai Min, Jing-Ting Lu. A Performance Evaluation of Classic Convolutional Neural Networks for 2D and 3D Palmprint and Palm Vein Recognition. International Journal of Automation and Computing, vol. 18, no. 1, pp.18-44, 2021. https://doi.org/10.1007/s11633-020-1257-9
掌纹识别和掌静脉识别是两种新兴的生物特征识别技术。在过去的二十年中，学术界提出许多传统方法进行掌纹识别和掌静脉识别，取得了很大的进展。近年来，在人工智能领域，深度学习凭借其优异的性能，逐渐成为主流的处理和识别技术。合肥工业大学贾伟副教授团队，在评估了手工设计的卷积神经网络(CNN)对2D掌纹、3D掌纹和掌静脉识别的识别性能之后，接续完成了神经架构搜索技术(NAS)对于2D掌纹、3D掌纹和掌静脉识别的识别性能评估，从传统手工设计的CNN和最新的NAS算法搜索出的CNN两个方面，系统地并比较全面地开展了基于深度学习的2D掌纹、3D掌纹和掌静脉识别的性能评估。在生物特征识别领域，这也是国际上首次对NAS算法进行大规模的识别性能评估。
全文下载：
2D and 3D Palmprint and Palm Vein Recognition Based on Neural Architecture Search
Wei Jia, Wei Xia, Yang Zhao, Hai Min & Yan-Xiang Chen
https://link.springer.com/article/10.1007/s11633-021-1292-1
引用格式：
Wei Jia, Wei Xia, Yang Zhao, Hai Min, Yan-Xiang Chen. 2D and 3D Palmprint and Palm Vein Recognition Based on Neural Architecture Search. International Journal of Automation and Computing, vol. 18, no. 3, pp.377-409, 2021. https://doi.org/10.1007/s11633-021-1292-1
手势识别在人机交互中得到了广泛应用。当前，手势识别相关研究中存在着这样一个问题：研究者们没有利用已有域的知识来发现和识别新域中的手势。每个新域都需要收集和标注大量数据，先验知识也无法用于算法训练当中，这就导致计算工作量过大、时间投入过多。为了解决这一问题，华南理工大学杨辰光教授团队提出一种手势识别方法，使在源域中训练的模型可以直接用于目标域当中，从而减少收集数据的时间，并且最小化标记数据的时间。
全文下载：
Research on Transfer Learning of Vision-based Gesture Recognition
Bi-Xiao Wu, Chen-Guang Yang, Jun-Pei Zhong
https://link.springer.com/article/10.1007/s11633-020-1273-9
引用格式：
Bi-Xiao Wu, Chen-Guang Yang, Jun-Pei Zhong. Research on Transfer Learning of Vision-based Gesture Recognition. International Journal of Automation and Computing, vol. 18, no. 3, pp.422-431, 2021. https://doi.org/10.1007/s11633-020-1273-9
高质量的视觉体验是数字媒体产业及网络信息服务等主要应用领域的基本要求，而图像质量评价(IQA)致力于评价人的视觉感知能力、预测图像质量。人眼是视觉体验的最终评价者，因此对人眼视觉系统建模(human visual system, HVS)是进行图像质量评价和视觉体验优化的核心问题。上海交大翟广涛教授团队提出了一种新的人眼视觉系统结构化计算模型。该方法将自然图像统计的特征作为低层特征，将卷积网络中的深度特征作为中层特征，将基于自由能的特征作为高层特征。最后，利用支持向量回归(SVR)将这三层特征集合成感知质量指数，预测目标图像的质量分数，模型在多种主流失真图像中仍能保持良好性能。
全文下载：
Structured Computational Modeling of Human Visual System for No-reference Image Quality Assessment
Wen-Han Zhu, Wei Sun, Xiong-Kuo Min, Guang-Tao Zhai, Xiao-Kang Yang
https://link.springer.com/article/10.1007/s11633-020-1270-z
引用格式：
Wen-Han Zhu, Wei Sun, Xiong-Kuo Min, Guang-Tao Zhai, Xiao-Kang Yang. Structured Computational Modeling of Human Visual System for No-reference Image Quality Assessment. International Journal of Automation and Computing, vol. 18, no. 2, pp.204-218, 2021. https://doi.org/10.1007/s11633-020-1270-z
随着城市机动车保有量的迅速增加，机动车排放污染日趋严重。准确预测城市交通排放的时空变化对城市规划和政策制定具有重要意义。现有的方法大多侧重于估算以往或当前时刻的汽车尾气排放量，不能很好地满足未来规划的要求。近年来，研究者们开始基于多个与尾气排放相关的属性，研究未来时刻汽车尾气排放的变化。然而，这些属性在不同输入的组合和利用方面还不够高效。为了解决这一问题，中国科学技术大学康宇教授团队提出了一个联合框架，该框架基于出租车的GPS轨迹，利用多通道时空网络和机动车排放模拟器(MOVES)模型来预测未来机动车尾气排放的变化情况。
全文下载：
Prediction of Spatiotemporal Evolution of Urban Traffic Emissions Based on Taxi Trajectories
Zhen-Yi Zhao, Yang Cao, Yu Kang, Zhen-Yi Xu
https://link.springer.com/article/10.1007/s11633-020-1271-y
引用格式：
Zhen-Yi Zhao, Yang Cao, Yu Kang, Zhen-Yi Xu. Prediction of Spatiotemporal Evolution of Urban Traffic Emissions Based on Taxi Trajectories. International Journal of Automation and Computing, vol. 18, no. 2, pp.219-232, 2021. https://doi.org/10.1007/s11633-020-1271-y
中国科学院自动化研究所刘禹研究员团队与中国科学院神经科学研究所徐春研究员团队合作研制了一套基于可视化编程的啮齿动物沉浸式VR系统，可通过虚拟场景来研究动物的场景认知，也可通过虚拟现实系统在动物中建立一系列的行为范式，进而研究抉择、空间导航和学习记忆等神经科学的前沿问题，对于探索场景认知行为的神经生物学机理具有重大意义！
全文下载：
An Immersive Virtual Reality System for Rodents in Behavioral and Neural Research
Li Liu, Zi-Yang Wang, Yu Liu, Chun Xu
https://www.mi-research.net/en/article/doi/10.1007/s11633-021-1307-y
引用格式：
Li Liu, Zi-Yang Wang, Yu Liu, Chun Xu. An Immersive Virtual Reality System for Rodents in Behavioral and Neural Research. International Journal of Automation and Computing, vol. 18, no. 5, pp.838-848, 2021. https://doi.org/10.1007/s11633-021-1307-y
利用深度神经网络学习视觉表征往往需要大量的人工标记数据，从现实生活场景中获取这些数据代价较高。近年来，将输入本身作为监督信息的自监督学习因其在视觉表征学习(visual representation learning)方面的优异性能而备受青睐。清华大学徐昆副教授团队提出一种对比自监督框架(contrastive self-supervised framework)用以在合成数据中学习通用的视觉表征，合成数据具有完全可控且容易获取的特点，为了减小真实数据与合成数据间存在的领域差异问题，团队还采用了一种基于对抗训练的特征级域自适应技术。实验表明，该方法在多个视觉识别数据集上取得了良好效果。
全文下载：
Contrastive Self-supervised Representation Learning Using Synthetic Data
Dong-Yu She, Kun Xu
https://link.springer.com/article/10.1007/s11633-021-1297-9
引用格式：
Dong-Yu She, Kun Xu. Contrastive Self-supervised Representation Learning Using Synthetic Data. International Journal of Automation and Computing, vol. 18, no. 4, pp.556-567, 2021. https://doi.org/10.1007/s11633-021-1297-9
Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选"中国科技期刊卓越行动计划"，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等数据库收录。
https://blog.sciencenet.cn/blog-749317-1340277.html
上一篇：高质量综述集锦 | 涵盖进化计算、深度视听学习、目标跟踪......
下一篇：最新好文 | 基于因果推断的可解释对抗防御
